Machinelearning

▶️ Deepminds's Perceiver: General Perception with Iterative Attention General architecture that works on many kinds of data https://deepmind.com/blog/article/building-architectures-that-can-handle-the-worlds-data Github: https://github.com/deepmind/deepmind-research/tree/master/perceiver Colab: https://colab.research.google.com/github/deepmind/deepmind_research/blob/master/perceiver/colabs/masked_language_modelling.ipynb Paper: https://arxiv.org/abs/2103.03206 @ai_machinelearning_big_data

Создайте систему биометрии — попробуйте себя в роли дата-сайентиста! На бесплатном воркшопе от онлайн-магистратуры МГУ «Искусственный интеллект и цифровые технологии» вы узнаете: ▪️Как построить систему распознавания лиц с помощью Python ▪️Как выполнять тестовые задания и проходить собеседования ▪️Как эффективно изучать Data Science Подключайтесь на онлайн-трансляцию 5 августа в 19:00 по МСК Регистрируйтесь сейчас, чтобы не пропустить воркшоп: https://u.to/w66BGw

🥑 DALL·E Mini Generate images from a text prompt Demo: https://huggingface.co/spaces/flax-community/dalle-mini Github: https://github.com/borisdayma/dalle-mini Paper: https://wandb.ai/dalle-mini/dalle-mini/reports/DALL-E-mini--Vmlldzo4NjIxODA @ai_machinelearning_big_data

📡 StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators Github: https://github.com/rinongal/StyleGAN-nada Paper: https://arxiv.org/abs/2108.00946v1 Project: https://stylegan-nada.github.io/ Dataset: https://paperswithcode.com/dataset/lsun @ai_machinelearning_big_data

🗣 Pretrained Language Model AutoTinyBERT: Automatic Hyper-parameter Optimization for Efficient Pre-trained Language Models Github: https://github.com/huawei-noah/Pretrained-Language-Model Paper: https://arxiv.org/abs/2107.13686v1 AutoTinyBERT: https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/AutoTinyBERT @ai_machinelearning_big_data

🤖 Droidlet: modular, heterogenous, multi-modal agents Github: https://github.com/facebookresearch/droidlet Paper: https://arxiv.org/abs/2101.10384 Article: https://t.me/machinelearning_ru/279 @ai_machinelearning_big_data

🌠 Deepmind's Generally capable agents emerge from open-ended play Blog : https://deepmind.com/blog/article/generally-capable-agents-emerge-from-open-ended-play Paper: https://deepmind.com/research/publications/open-ended-learning-leads-to-generally-capable-agents DeepMind Research: https://github.com/deepmind/deepmind-research Video: https://www.youtube.com/watch?v=lTmL7jwFfdw&ab_channel=DeepMind @ai_machinelearning_big_data

👁 Contextual Transformer Networks for Visual Recognition. Github: https://github.com/JDAI-CV/CoTNet Paper: https://arxiv.org/abs/2107.12292v1 Chalange: https://eval.ai/web/challenges/challenge-page/1041/leaderboard/2695 @ai_machinelearning_big_data

🖊 Introducing Triton: Open-Source GPU Programming for Neural Networks https://openai.com/blog/triton/ Github: https://github.com/openai/triton Documents: https://triton-lang.org/ @ai_machinelearning_big_data

📂 RLQP: Accelerating Quadratic Optimization with RL Github: https://github.com/berkeleyautomation/rlqp Paper: https://arxiv.org/abs/2107.10833v1 @ai_machinelearning_big_data

AAVAE: Augmentation-Augmented Variational Autoencoders Github: https://github.com/gridai-labs/aavae Paper: https://arxiv.org/abs/2107.12329v1 Dataset: https://paperswithcode.com/dataset/cifar-10 @ai_machinelearning_big_data

🔎 Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data Github: https://github.com/xinntao/Real-ESRGAN Paper: https://arxiv.org/abs/2107.10833v1 How to Train Real-ESRGAN: https://github.com/xinntao/Real-ESRGAN/blob/master/Training.md Colab Demo: https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo @ai_machinelearning_big_data

https://t.me/Golang_google - golang channel https://t.me/javascriptv - javascript tutorials https://t.me/memes_prog - it memes https://t.me/pro_python_code - python ru https://t.me/htmlcssjavas - web development

🤗 The Best SOTA NLP Course is Free! https://huggingface.co/course/chapter1 Dataset: https://github.com/huggingface/datasets Colab: https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/chapter1/section3.ipynb @ai_machinelearning_big_data

Тут у Яндекса интересная новость. Компания запускает соревнование для исследователей в области машинного обучения в рамках крупнейшей конференции MLщиков в мире - NeurIPS 2021. Вместе с учеными Оксфорда и Кембриджа предлагают участникам посоревноваться в разработке алгоритмов и их обучении для погоды, машинного перевода текстов и предсказания поведения участников автомобильного движения. Основной задачей будет проверить эффективность этих алгоритмов при сдвиге данных. Для соревнования Яндекс открыл доступ к собственному датасету, который считается самым большим в мире по беспилотным автомобилям. Еще поделятся реальными данными Я.Погоды и Я.Переводчика. Это данные из сервисов, которые много лет работают в реальном мире, используются в различных сценариях, и уже проходили испытание сдвигом данных. Полученные решения можно будет применять в разных отраслях, которые сталкиваются со сдвигом данных. Крутая инициатива! https://research.yandex.com/shifts

ИТ-компания Selectel приглашает на вебинар «Искусственный интеллект и Machine learning» После вебинара вы сможете: 💥 наладить прозрачный R&D-процесс в командах 💥 получить нужный результат даже при низкой квалификации кадров 💥 провести оценку эффективности работы исследователей Дата: 29 июля, четверг, 16:00 МСК Спикеры: Алексей Гончаров, CEO в Machine Intelligence Laboratory, и Антон Чунаев, менеджер ML-продуктов в @selectelnews. Подробности и регистрация по ссылке: 🚀 https://slc.tl/RaS56

🌀 CycleMLP: A MLP-like Architecture for Dense Prediction Github: https://github.com/ShoufaChen/CycleMLP Paper: https://arxiv.org/abs/2107.10224 Dataset: https://paperswithcode.com/dataset/imagenet @ai_machinelearning_big_data

Хотите освоить продвинутые приемы Машинного обучения? Тогда без знаний, которые даст вам онлайн-курс «Machine Learning. Advanced», не обойтись. 📍Справитесь ли вы с уровнем курса? Покажет вступительный тест. Пройдите тестирование, чтобы: ● оценить свои навыки ● занять место на курсе по специальной цене ● получить доступ к демо-урокам курса 👉🏻Пройти тестирование: https://otus.pw/U0aY/

🔝 Deepmind's WikiGraphs: A Wikipedia Text - Knowledge Graph Paired Dataset This package provides tools to download the WikiGraphs dataset Github: https://github.com/deepmind/deepmind-research/tree/master/wikigraphs Paper: https://arxiv.org/abs/2107.09556v1 Dataset: https://paperswithcode.com/dataset/wikigraphs @ai_machinelearning_big_data

🐍 PyTorch Fundamentals Free Microsoft Course https://docs.microsoft.com/en-us/learn/paths/pytorch-fundamentals/ Ru: https://docs.microsoft.com/ru-ru/learn/paths/pytorch-fundamentals/ Github: https://github.com/pytorch/tutorials @ai_machinelearning_big_data